一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法。传统的弹道导弹跟踪方法，利用扩展卡尔曼滤波器进行非线性滤波，取Taylor展开的前两项，可能引入较大的线性化误差，导致跟踪精度不高。在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述，并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化。对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较。仿真结果表明新算法的模型更准确，跟踪性能更好。     

基于北斗双星定位辅助的SAR/INS组合导航系统研究

由于SAR/INS/北斗组合导航系统中图像匹配定位需要耗用不等的匹配计算时间，而现有的北斗定位系统输出也具有一定的延时，因此，SAR／INS／北斗组合导航系统中的量测信息输出具有不同步和滞后的特点。针对上述问题，采用常规的联邦滤波算法将难以获得高精度滤波结果。为此，本文在分析SAR／INS／北斗组合导航系统工作过程的基础上，结合卡尔曼滤波的具体原理，设计了针对不同步量测信息的基于联邦滤波理论的组合滤波方案，并进一步提出了解决量测信息滞后问题的算法，从而可以有效处理SAR／INS／北斗组合导航系统中的信息融合问题。协方差分析结果表明提出的组合滤波方案可行，该方案对SAR／INS／北斗组合导航系统的实际应用具有重要的理论参考价值。     

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。     

基于低轨卫星增强的非差高精度导航定位技术与在轨试验验证

随着自动驾驶、精密农业等领域的发展,各领域对高精度导航定位的需求不断增加。在地基增强技术、高轨星基增强技术和传统非差精密单点定位技术的基础上,提出了一种基于低轨卫星增强的非差高精度导航定位技术,研制了基于低轨导航增强技术的低轨导航增强载荷,开发了基于低轨卫星增强的地面自适应卡尔曼滤波非差高精度定位软件,并进行了全球首次基于低轨卫星的信号信息一体化导航增强在轨试验。试验表明:经低轨卫星增强后,地面终端用户定位精度优于30 cm。最后,给出了该技术的后续研究方向,为未来低轨导航增强系统与其他增强系统协同工作,实现广泛应用奠定了基础。     

改进的迭代粒子滤波法在GPS数据处理中的应用

研究粒子滤波方法(PF)处理GPS测量数据.采用迭代Kalman滤波方法产生粒子滤波器中的粒子,得到更精确的目标状态估计.同时利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史现测数据确定各粒子的权值,降低现测随机误差的影响,从而提高粒子滤波器的性能.采用改进的粒子滤波方法处理GPS测量数据,仿真结果表明...     

基于Hatch滤波法的GPS伪距差分定位分析

利用Hatch滤波法对导航数据进行伪距差分定位研究,对单频接收机采用Hatch滤波法时电离层的影响做进一步研究,分析电离层风暴对定位精度的影响。为了提高定位精度,采用Hatch滤波法辅助的差分定位技术,对解算过程进行详细分析,并通过MATLAB软件对数据进行处理仿真,验证利用差分Hatch滤波法提高定位精度的可行性。     

差分GPS伪距与惯导组合技术仿真研究

叙述和建立了差分GPS/INS组合系统的状态方程和量测方程,并用卡尔曼滤波对DGPS/INS组合系统进行了组合及仿真,给出了详细的仿真数据和程序框图.仿真结果表明该组合系统可以极大地提高导航定位的精度,对飞机的精密进场着陆和各种载体的精确制导具有一定的现实意义.     

GPS定位定向系统的研究

本文提出一种综合模糊度搜索算法和余度测量的周跳检测法。采用该方法进行模糊度搜索，保证了初始化时间最短的组合能在３００秒以内出现，使初始化时间大大缩短。     

基于强跟踪滤波的全自主机器人目标预测

全自主机器人在目标跟踪过程中,为了克服视觉系统造成的决策延时,需要对目标进行预测。目前全自主机器人目标预测方法对目标模型有强依赖性,并对突变状态的预测滞后。本文提出将强跟踪滤波理论应用于全自主机器人目标预测,通过引入渐消因子,克服了其它目标预测方法的缺点。仿真结果说明强跟踪滤波对目标的预测比较精确,并对突变状态反应灵敏,说明该方法的有效性。     

微惯性测量单元信号小波自适应滤波仿真研究

针对微惯性测量单元信号进行小波多分辨率分析后在各尺度空间呈现的不同特性,提出了一种分解层数和阈值门限自适应选取的滤波去噪方法,同时采用具有紧支集特性的Daubechies正交小波基和改进的阈值函数,自适应选取分解层数并逐层进行阈值自适应滤波,然后经小波逆变换重构原始信号,最后应用实际的M IMU信号进行滤波仿真。实验结果表明该方法能有效消除M IMU信号随机误差,大幅改善其零偏稳定性和信噪比,且算法简练通用性强,有很强的实用性。